لطالما كان الأمان يمثل تحديًا للمسؤولين ، حيث أصبحت الهجمات اليومية متطورة. مما يجعل من الصعب على أنظمة كشف التسلل (IDS) اكتشافها ، هناك ثلاثة أنواع من أنظمة كشف التسلل ، تعتمد على التوقيع ، وتعتمد على الشذوذ ، وتستخدم أنظمة كشف التسلل القائمة على التوقيع ، وتُعرف القائمة على الشذوذ باسم الهجين. يركز العديد من الباحثين على الحالة الشاذة نظرًا لقدرتها على الكشف (zero-day-attack) ، ولكن هناك بعض القيود مثل مشكلة الإنذارات الإيجابية الكاذبة. من خلال استخدام الشبكات العصبية الاصطناعية (ANN) ، تكون عملية تصميم واختبار أنظمة IDS الشاذة أسهل. في هذا البحث ، يتم استخدام الشبكة العصبية التلافيفية (CNN) والشبكة العصبية Long Short TermMemory (LSTM) لتقليل عدد الإنذارات الخاطئة ، باستخدام Keras و sklearn API و TensorFlow مع مجموعات بيانات CSE-CIC-IDS2017 و 2018 للتدريب واختبار نموذج Anomaly IDS. في بحثنا وجدنا أن دقة الشبكات العصبية CNN و LSTM هي 93? و 99? على التوالي ، و CNN أفضل في التصنيف المتعدد بينما LSTM أفضل في التصنيف الثنائي.